Nalazite se na CroRIS probnoj okolini. Ovdje evidentirani podaci neće biti pohranjeni u Informacijskom sustavu znanosti RH. Ako je ovo greška, CroRIS produkcijskoj okolini moguće je pristupi putem poveznice www.croris.hr
izvor podataka: crosbi !

Postupci za učenje asocijativnih pravila (CROSBI ID 411073)

Ocjenski rad | sveučilišni preddiplomski završni rad

Smoljanić, Marin Postupci za učenje asocijativnih pravila / Jović, Alan (mentor); Zagreb, Fakultet elektrotehnike i računarstva, . 2017

Podaci o odgovornosti

Smoljanić, Marin

Jović, Alan

hrvatski

Postupci za učenje asocijativnih pravila

Asocijativna pravila pogodna su za pronalaženje relacijskih odnosa između više varijabli u velikim skupovima podataka. Odnosi između varijabli, takozvana asocijativna pravila, izvode se u obliku implikacija AKO-ONDA. Najčešće korišteni algoritmi generiranja asocijativnih pravila su Apriori, FP-Growth, Tertius, Eclat i OPUS. U okviru ovog rada opisani su principi rada algoritama Apriori i FP-Growth te je opisan postupak implementacija algoritma Apriori unutar sustava za upravljanje podatcima imena Splunk. U konačnici vlastita implementacija algoritma Apriori uspoređena je na više skupova podataka sa postojećom implementacijom istog algoritma u aplikaciji imena Weka.

Asocijativna pravila, Apriori, FP-Growth, signifikantnost, pouzdanost, Weka, Splunk, Python

nije evidentirano

engleski

Association Rules Learning Methods

nije evidentirano

Association rules, Apriori, FP-Growth, support, support count, itemset, confidence, Weka, Splunk, Python

nije evidentirano

Podaci o izdanju

46

03.07.2017.

obranjeno

Podaci o ustanovi koja je dodijelila akademski stupanj

Fakultet elektrotehnike i računarstva

Zagreb

Povezanost rada

Računarstvo

Poveznice